ROC实验笔记

 

ROC实验笔记

 

      接受者操作特征ROC(Receiver operating characteristics)曲线在选择、设置和评价分类器等方面时非常有用。ROC曲线常用于医学、信号检测方面的问题，在模式识别、机器学习和数据挖掘等领域也用广泛的应用。ROC曲线看上去比较简单，计算明了，但是由于对ROC曲线的理解不透彻，在实际应用中难免有误解。下面将指纹模式识别领域ROC的应用做简单分析:

       ROC对分类器的选择和评价有很大帮助。在开始分析分类问题时，将样本分两类，定义为阳和阴。在此基础上对此样本分类将有四种分类状态：

       “阳”被正确分类成“阳”，称之为“真阳” 符号：TP（True Positive）

       “阳”被错误分类成“阴”，称之为“假阴” 符号：FN（False Negative）

       “阴”被正确分类成“阴”，称之为“真阴”  符号：TN（True Negative）

       “阴”被错误分类成“阳”，称之为“假阳” 符号：FP（False Positive）

       基于以上四种分类状态，我们可以得出若干指标参数； 下面介绍一系